K-Means Clustering
探索用于无监督学习的 K-Means 聚类。了解该算法如何对数据进行分区、增强 AI 应用，并为 Ultralytics YOLO26 等模型提供支持。
K-Means Clustering 是一种在无监督学习领域中基础且广泛使用的算法，旨在揭示未标记数据中的隐藏结构。其主要目标是将数据集划分为不同的子群（称为聚类），使得同一组内的数据点尽可能相似，而不同组之间的数据点则有所区别。作为数据挖掘和探索性分析的基石，K-Means 使数据科学家能够在不需要预定义标签或人工监督的情况下，自动将复杂信息组织成可管理的类别。
算法工作原理#
K-Means 的运行是迭代的，并依靠距离度量来确定训练数据的最佳分组。该算法通过将项目组织成 K 个聚类来运行，其中每个项目属于具有最近均值（即质心）的聚类。这个过程最小化了每个组内的方差。工作流程通常遵循以下步骤：
-
**初始化：**算法选择 K 个初始点作为质心。这些可以随机选择，或者通过像 k-means++ 这样优化过的方法来加速收敛。
-
**分配：**数据集中的每个数据点根据特定的距离度量（最常见的是欧几里得距离）被分配给最近的质心。
-
更新： 通过取分配到该聚类的所有数据点的平均值（均值）来重新计算质心。
-
迭代： 重复第 2 步和第 3 步，直到质心不再发生显著移动或达到最大迭代次数。
确定正确的聚类数量（K）使用该算法的一个关键方面。从业者经常使用诸如肘部法则之类的技术或分析轮廓系数来评估生成的聚类彼此分离的程度。
人工智能的实际应用#
K-Means Clustering 具有高度的通用性，在各行各业中用于简化和数据预处理。
- **图像压缩与颜色量化：**在计算机视觉 (CV) 中，K-Means 通过对像素颜色进行聚类来帮助减小图像的文件大小。通过将数千种颜色分组为较小的主导颜色集合，该算法在保留图像视觉结构的同时有效地执行了降维。该技术通常在训练高级目标检测模型以规范化输入数据之前使用。
- **客户细分：**企业利用聚类根据购买历史、人口统计数据或网站行为来对客户进行分组。这允许实施有针对性的营销策略，这是零售中的 AI 解决方案的关键组成部分。通过识别高价值购物者或流失风险，公司可以有效地定制他们的信息。
- **异常检测：**通过学习“正常”数据集群的结构，系统可以识别远离任何质心的异常值。这对于金融中的欺诈检测和网络安全中的异常检测非常有价值，有助于标记偏离标准模式的可疑活动。
- **锚框生成：**从历史上看，像较旧的 YOLO 版本这样的目标检测器利用 K-Means 从训练数据集中计算最佳锚框。虽然像 YOLO26 这样的现代模型利用先进的无锚框方法，但理解 K-Means 对于检测架构的演进仍然具有相关性。
实现示例#
虽然像 Ultralytics Platform 这样的深度学习框架处理复杂的训练流水线，但 K-Means 通常用于分析数据集统计信息。下面的 Python 代码片段演示了如何使用流行的 Scikit-learn 库对 2D 坐标（模拟目标质心）进行聚类。
import numpy as np
from sklearn.cluster import KMeans
# Simulated coordinates of detected objects (e.g., from YOLO26 inference)
points = np.array([[10, 10], [12, 11], [100, 100], [102, 101], [10, 12], [101, 102]])
# Initialize K-Means to find 2 distinct groups (clusters)
kmeans = KMeans(n_clusters=2, random_state=0, n_init="auto").fit(points)
# Output the cluster labels (0 or 1) for each point
print(f"Cluster Labels: {kmeans.labels_}")
# Output: [1 1 0 0 1 0] -> Points near (10,10) are Cluster 1, near (100,100) are Cluster 0与相关算法的比较#
为了确保为项目选择正确的工具，区分 K-Means 与其他名称或功能相似的算法非常重要。
- K-Means 与 K 近邻 (KNN)：由于它们名称中的“K”，这些经常被混淆。K-Means 是一种用于对未标记数据进行聚类的无监督算法。相比之下，K 近邻 (KNN) 是一种用于图像分类和回归的监督学习算法，依靠标记数据根据邻居的多数类进行预测。
- **K-Means 与 DBSCAN：**虽然两者都对数据进行聚类，但 K-Means 假设聚类是球形的，并且需要预先定义聚类数量。DBSCAN 根据密度对数据进行分组，可以找到任意形状的聚类，并且能更好地处理噪声。这使得 DBSCAN 对于在聚类数量未知的不规则结构的数据集中发现的复杂空间数据更具优势。
